主要競技プラットフォーム

世界中のデータサイエンティストが参加する競技プラットフォームで、実践的なスキルを身につけられます。

Kaggle

中級 英語 無料

Google傘下の世界最大級のデータサイエンス競技プラットフォーム。企業の実課題に取り組めます。

  • 豊富な競技とデータセット
  • 無料のGPU/TPU環境（Kaggle Notebooks）
  • 活発なディスカッション
  • Learn機能で基礎学習
Kaggle Kaggle Learn

DrivenData

中級 英語 無料

社会的意義のある課題に特化したデータサイエンス競技プラットフォームです。

  • 社会課題解決に焦点
  • 環境、医療、教育分野
  • 実世界への影響
  • 詳細な問題設定
DrivenData 競技一覧

AtCoder

初級 日本語 無料

日本発のプログラミング競技プラットフォーム。アルゴリズム力向上に最適です。

  • 定期的なプログラミングコンテスト
  • 日本語対応
  • レベル別問題設定
  • 教育的解説
AtCoder コンテスト

AIチャレンジ

中級 日本語 無料

AI分野に特化した日本の競技プラットフォーム。産業界との連携が特徴です。

  • AI特化の競技設計
  • 企業との協力
  • 実務に近い課題
  • 日本語サポート
AIチャレンジ 競技情報

画像・視覚データセット

コンピュータビジョンや画像認識の学習に適したデータセットです。

ImageNet

中級 大規模 無料

1400万枚以上の画像から構成される大規模視覚認識データセット。画像分類の標準ベンチマークです。

  • 1000カテゴリ、14M画像
  • 画像分類の標準
  • 事前学習モデルの基盤
  • ILSVRC競技で使用
ImageNet ダウンロード

CIFAR-10/100

初級 小規模 無料

32×32ピクセルの小さなカラー画像データセット。学習・研究の入門に最適です。

  • CIFAR-10: 10クラス、60,000画像
  • CIFAR-100: 100クラス、60,000画像
  • 軽量で扱いやすい
  • アルゴリズム評価の標準
CIFAR CIFAR-10 DL

MNIST

初級 小規模 無料

手書き数字（0-9）のグレースケール画像データセット。機械学習の「Hello World」的存在です。

  • 60,000枚の訓練画像
  • 10,000枚のテスト画像
  • 28×28ピクセル
  • 初心者に最適
MNIST データ取得

COCO Dataset

上級 大規模 無料

物体検出、セグメンテーション、キャプション生成などの複合タスクに対応した包括的データセットです。

  • 330,000画像、200万インスタンス
  • 80カテゴリの物体
  • 境界ボックス、セグメンテーション
  • キャプション付き
COCO ダウンロード

自然言語処理データセット

テキスト処理や自然言語理解のタスクに適したデータセットです。

IMDb Movie Reviews

初級 英語 無料

映画レビューの感情分析に適したバイナリ分類データセット。NLP入門に最適です。

  • 50,000レビュー（positive/negative）
  • 感情分析の標準ベンチマーク
  • バランスの取れたデータ
  • 英語テキスト処理の基礎
IMDb Dataset ダウンロード

SQuAD

中級 英語 無料

スタンフォード大学の質問応答データセット。読解タスクの標準ベンチマークです。

  • 100,000+の質問応答ペア
  • Wikipedia記事ベース
  • SQuAD 1.1と2.0
  • BERT等の評価に使用
SQuAD データセット

Common Crawl

上級 超大規模 無料

ウェブ全体から収集されたテキストデータ。大規模言語モデルの事前学習に使用されます。

  • 数十億のウェブページ
  • 多言語対応
  • 定期的な更新
  • 大規模モデル学習用
Common Crawl 利用開始

Twitter API

中級 多言語 制限付き無料

リアルタイムソーシャルメディアデータを取得できるAPI。感情分析やトレンド分析に活用できます。

  • リアルタイムデータ
  • 感情分析・トレンド分析
  • API経由でアクセス
  • 研究・教育利用可
Twitter Developer API Docs

構造化データ・表形式データ

機械学習の基礎を学ぶのに適した表形式のクリーンなデータセットです。

Boston Housing

初級 小規模 無料

ボストンの住宅価格予測データセット。回帰問題の入門に最適な古典的データセットです。

  • 506サンプル、13特徴量
  • 回帰問題の基礎
  • 特徴量エンジニアリング学習
  • 教育目的に最適
UCI Repository sklearn

Iris Dataset

初級 超小規模 無料

アヤメの花のデータセット。機械学習の「Hello World」として広く使用されています。

  • 150サンプル、4特徴量、3クラス
  • 分類問題の基礎
  • 完璧にクリーンなデータ
  • 可視化に適している
UCI Repository sklearn

Titanic Dataset

初級 小規模 無料

タイタニック号の乗客生存予測データセット。Kaggleの入門競技として有名です。

  • 891サンプル、12特徴量
  • バイナリ分類問題
  • カテゴリカル/数値データ混在
  • 欠損値処理の学習
Kaggle Titanic データ取得

Wine Quality

中級 中規模 無料

ワインの品質予測データセット。化学的特性から品質を予測する回帰・分類問題です。

  • 6,497サンプル、12特徴量
  • 回帰・分類両方で利用可
  • 不均衡データの処理
  • 実世界の問題設定
UCI Repository データ取得

専門分野データセット

特定の応用分野に特化したデータセットです。

医療・ヘルスケア

上級 英語 制限あり

医療画像、診断データ、生体信号など、ヘルスケアAIの開発に使用されるデータセットです。

  • MIMIC-III（集中治療室データ）
  • NIH Chest X-ray（胸部X線画像）
  • PhysioNet（生理学データ）
  • 厳格な利用規約
PhysioNet NIH Chest X-ray

金融・経済

中級 英語 一部有料

株価、為替、クレジットリスクなど、金融分野のAI開発に使用されるデータセットです。

  • Yahoo Finance API
  • FRED（米経済データ）
  • Quandl（金融データ）
  • クレジットカード不正検知
Yahoo Finance FRED

ロボティクス

上級 英語 無料

ロボットの動作制御、SLAM、センサーフュージョンなどのロボティクス研究用データセットです。

  • KITTI（自動運転データ）
  • ROS Bag Files
  • OpenAI Gym環境
  • MuJoCo シミュレーション
KITTI OpenAI Gym

音声・音楽

中級 多言語 無料

音声認識、音楽分析、感情認識などの音響AI開発に使用されるデータセットです。

  • LibriSpeech（音声認識）
  • Mozilla Common Voice
  • Million Song Dataset
  • Google AudioSet
LibriSpeech Common Voice

データセット活用のコツ

目的に応じた選択

学習したい技術や解決したい問題に適したデータセットを選びましょう。まずは小規模なデータから始めることをおすすめします。

ライセンスの確認

データセットの利用規約やライセンスを必ず確認し、商用利用や再配布の可否を理解してから使用しましょう。

データの品質確認

データを使用する前に、欠損値、外れ値、ラベルエラーなどを確認し、必要に応じて前処理を行いましょう。

競技への参加

Kaggleなどの競技プラットフォームに参加することで、実践的なスキルと他の参加者からの学びを得ることができます。